信息规律状态的函数P-推理发现与应用

利用函数P-集合,给出P-信息规律生成、信息规律亏状态、盈状态概念与P-信息规律状态的属性定理,利用函数P-推理给出P-信息规律状态发现与发现定理。最后,给出信息规律状态在经济系统、经济信息中的应用。     

外P-信息生成与它的推理-搜索发现

利用P-集合,给出P-等价类。P-等价类是由内P-等价类[X]F珔与外P-等价类[x]F构成的等价类对;或者,([x]F珔,[x]F)是P-等价类。P-等价类具有动态特征。在一定条件下,P-等价类能被还原成普通等价类[x]。给出P-等价类度量与度量的离散区间定理。利用P-等价类与P-推理,给出未知P-信息推理发现与发现定理。最后给出外P-信息推理发现在信息系统中的应用。     

外-遗传信息与它的外P-推理辨识

利用P-集合,给出外-遗传信息概念和属性特征;利用外P-推理,给出未知外-遗传信息的外P-推理辨识与外-遗传信息的外P-推理发现,最后得到外-遗传信息的外P-推理生成定理并给出应用。     

信息规律智能变换-伪装与P-规律增广矩阵

利用函数P-集合的动态结构,改进普通增广矩阵概念,提出规律矩阵、内P-规律增广矩阵、外P-规律增广矩阵与P-规律增广矩阵,给出它们的结构、生成和属性关系。提出P-规律增广矩阵推理和推理结构,给出在P-规律增广矩阵推理条件下的规律智能分离、智能分离定理、信息规律智能分离算法及其在信息图像智能变换-伪装中的应用。     

外P-推理与外发散信息的搜索-发现

利用P-集合得到P-推理(packet reasoning),P-推理是由内P-推理(internal packet reasoning)与外P-推理(outer packet reasoning)共同构成的.P-推理是一个动态推理,具有智能特征;外P-推理生成的信息具有外发散特性,把这种特性应用于未知信息查找中,提出了外发散信息等概念;并对外发散信息进行了研究,给出了几个基本理论结果;并由这些结果得到外发散信息的外P-推理搜索算法;最后给出应用实例.     

P-增广矩阵与信息的智能动态发现-辨识

利用普通增广矩阵概念与P-集合动态结构交叉,改进普通增广矩阵概念,提出P-增广矩阵,给出P-增广矩阵结构;P-增广矩阵由内P-增广矩阵与外P-增广矩阵共同构成。给出内P-增广矩阵属性定理,外P-增广矩阵属性定理与P-增广矩阵属性定理;给出P-增广矩阵与普通增广矩阵的还原关系。改进P-推理,提出P-增广矩阵推理,给出推理结构;P-增广矩阵推理由内P-增广矩阵推理与外P-增广矩阵推理共同构成。提出属性的P-增广合取范式,给出属性的P-增广合取范式与属性的普通合取范式的关系,提出属性的P-增广合取范式还原定理;给出满足P-增广矩阵推理条件的信息的智能动态发现-辨识定理,最后给出了应用。     

逆P-等价类的逆P-推理分离-还原

 逆P-集合是把动态特性引入到有限普通集合X内(Cantor set X),改进有限普通集合X被提出的。逆P-集合是由内逆P-集合F与外逆P-集合构成的集合对;或者,(F,)是逆P-集合。逆P-集合具有动态特性。逆P-推理是逆P-集合生成的一个动态推理,它是由内逆P-推理与外逆P-推理共同构成的。利用逆P-集合和逆P-推理, 给出逆P-等价类、内逆P-等价类和外逆P-等价类概念,逆P-等价类与普通等价类的关系,逆P-等价类的逆P-推理分离-还原与分离-还原定理。在静态-动态条件下,普通等价类是逆P-等价类的特例,逆P-等价类是普通等价类的一般形式。     

逆P-集合与信息智能融合挖掘-发现

逆P-集合是一个新的动态数学模型, 它是把动态特性引入到有限普通集合X内, 改进有限普通集合X被提出的。逆P-集合是由内逆P-集合F与外逆P-集合构成的元素集合对。或者, (F,)是逆P-集合, 逆P-集合具有动态特性。在一定的条件下, 逆P-集合被还原成有限普通集合。逆P-集合具有P-集合相反的动态特性。逆P-推理是逆P-集合生成的一个动态推理。利用逆P-集合, 逆P-推理, 本文给出信息智能融合生成, 信息智能融合度概念, 给出信息智能融合挖掘-发现与信息智能融合挖掘-发现定理, 给出挖掘-发现准则。最后,利用这些结果给出信息智能融合挖掘-发现的应用。     

函数P-集合与信息规律动态特征

函数P-集合(function packet sets)是一个新的数学结构,它具有动态特性,规律特性。利用这一特性,讨论函数P-集合生成的动态信息规律特征,提出信息规律区间稳定的概念,给出信息规律区间稳定的内点定理、信息规律区间稳定的外点定理、信息规律区间稳定的属性定理,并给出区间[a,b]上动态信息规律的应用。     

函数P-集合与同物系物质结构-物性规律发现

利用函数P-集合理论研究了同物系结构-物性的构效关系。通过函数P-集合的动态特性筛选物质结构的最佳结构参数,利用函数P-集合的规律特性寻求最优预测规律函数,并将回归形式的规律函数引入P-集理论的研究中,预测了链烷烃的色谱保留指数,复相关系数达到了0.999。     

P-集合与-漂移规律恢复

P-集合是研究动态信息系统与动态信息规律的一个新理论与新方法.利用P-集合,给出-漂移规律生成概念,提出-漂移规律辨识定理;给出-漂移规律恢复概念,提出-漂移规律恢复定理.利用这些结果,给出-漂移规律恢复的应用与实证.     

粗规律生成与它的分离

利用函数S-粗集(function singular rough sets), 给出粗规律生成, 粗规律生成定理; 利用这些结果, 提出粗规律分离与粗规律分离定理, 粗规律带复合生成定理与粗规律带原理; 给出粗规律分离在利润风险规律识别中的应用。     

推理闭包空间的分离性

目的引入推理闭包空间的T0,T1,T2,Sober以及Urysohn分离性,研究它们的若干性质。方法利用拓扑学中分离性的思想以及研究方法,讨论推理闭包空间的分离性。结果分别给出了它们的定义及相应的等价刻画,证明了T0,T1,T2及Urysohn分离性是可遗传的且在同胚映射下是保持拓扑不变的,得到了诸分离性之间的关系。结论通过推理闭包空间分离性的建立,展现和丰富了逻辑学的拓扑性质。     

基于相似关系的广义近似推理方法

目前基于相似关系的近似推理方法 (SBAR)对相似关系的理解并不一致 ,在推理过程中未能考虑相异关系的影响。提出了一种基于相似关系的广义近似推理方法(GSBAR) ,并详细论述了 GSBAR的推理流程以及其中的相似关系函数、相似关系调整函数、相似关系合成函数和推理转换函数的性质 ;进而证明了该方法的逼近能力 ;同时给出了 GSBAR的一个示例。结果表明 ,GSBAR严格遵照相似关系定义 ,综合考虑相似关系和相异关系 ,推理过程直观简便 ,具有一般意义     

函数S-粗集与它生成的F-遗传规律

利用函数S-粗集,给出系统粗规律的F-生成, F-遗传概念,给出了系统粗规律的F-遗传特性;提出了系统粗规律的F-遗传特性定理,系统粗规律的F-遗传依赖于属性集α上的属性补充,并提出了系统粗规律的F-遗传的属性特征定理.利用这些讨论,给出了依赖于F-遗传的规律挖掘.     

函数S-粗集与投资风险F-规律发现

利用函数F-粗集概念给出了规律的f-遗传, f-遗传规律生成,函数单向S-粗集的F-遗传, F-遗传规律生成等概念.提出了F-遗传规律包络定理, F-传递规律分离定理.利用这些结果,给出函数单向S-粗集与投资风险F-规律的发现与应用.     

F-粗规律与它的属性控制

函数单向S-粗集(Function one direction singular rough sets)是用具有动态特性的R-函数等价类［u］定义的, 函数单向S-粗集具有规律(函数)特征。 利用函数单向S-粗集, 给出F-粗规律(w-(x)F,w-(x)F)的结构, 粗规律(w-(x),w-(x))的属性特征, 属性距离, 状态系数概念, 利用这些概念, 提出F-粗规律与它的属性控制, 给出属性控制准则, 属性控制定理与应用。F-粗规律与它的属性控制是函数S-粗集(Function singular rough sets)中的一个新的应用研究方向。